(相關資料圖)

昨天，上海人工智能實驗室聯(lián)合中國科學技術大學、上海交通大學、南京信息工程大學、中國科學院大氣物理研究所及上海中心氣象臺發(fā)布全球中期天氣預報大模型“風烏”。該模型基于多模態(tài)和多任務深度學習方法構建，首次實現(xiàn)在高分辨率上對核心大氣變量進行超過10天的有效預報，并在80%的評估指標上超越DeepMind發(fā)布的模型GraphCast。與傳統(tǒng)模型相比，“風烏”在效率上大幅提升，僅需30秒即可生成未來10天全球高精度預報結果。

氣象專家介紹，盡管目前市面上有一些產(chǎn)品提供未來15天的氣象預報服務，但10天以上的預報性能還有很大不確定性。實踐證明，將觀測與數(shù)值預報和人工智能相結合，可有效提升數(shù)值預報準確性?！帮L烏”首次將全球氣象預報的有效性提高到10.75天，具有很大的業(yè)務應用價值。上海人工智能實驗室領軍科學家歐陽萬里表示，“風烏”取名自秦漢時期的“相風銅烏”，是世界上最早的測風設備。天氣預報大模型“風烏”不僅承載了中國古人的智慧，也寓意實驗室在氣象等AI for Science領域不懈探索。

30秒生成10天預報，誤差降低約20%

近年來全球氣候變化加劇，極端天氣頻發(fā)，各界對天氣預報的時效和精度的期待與日俱增。在氣象氣候預報任務中，全球中期天氣預報是最重要的預測任務之一，它以預測未來14天內的大氣系統(tǒng)狀態(tài)為目標，不僅是當前廣泛使用的集成天氣預測系統(tǒng)的基礎，也是區(qū)域性數(shù)值天氣預報系統(tǒng)的背景場和邊界條件。

囿于氣象觀測的準確度、大氣系統(tǒng)中物理過程的復雜性，以及求解大氣模型所需資源規(guī)模巨大，過去數(shù)十年間，全球中期天氣預報的有效性每10年才提高1天。隨著深度學習技術和框架的不斷成熟，人工智能為地球科學等領域帶來了全新研究思路。上海人工智能實驗室青年科學家白磊表示，“風烏”提供了一個強大有效的全球中期天氣預報的AI框架，其領先性體現(xiàn)在預報精度、預報時效和資源效率三方面。

在預報精度方面，“風烏”的10天預報誤差相較DeepMind的GraphCast降低了10.87%，相較傳統(tǒng)物理模型降低19.4%；在預報時效方面，此前全球最好的物理模型HRES的最大有效預報時長為8.5天，而“風烏”基于再分析數(shù)據(jù)達到了10.75天；在資源效率方面，現(xiàn)有物理模型往往運行在超級計算機上，而“風烏”AI大模型僅需單GPU（圖形處理器）便可運行，30秒即可生成未來10天全球高精度預報結果。

突破傳統(tǒng)氣象預報計算和性能瓶頸

高精度、長時效、高效率的背后，是上海人工智能實驗室AI for Earth聯(lián)合團隊提出的一種基于多模態(tài)多任務的深度學習方法。他們將此用于構建AI天氣預報模型，從而實現(xiàn)了對全球中期天氣進行快速、準確預報。由于不需要通過復雜的物理系統(tǒng)仿真，AI氣象預報模型突破了傳統(tǒng)預報方法的計算瓶頸，能夠高效進行預報和集成。同時，AI對氣象數(shù)據(jù)關系的強大擬合能力使其有潛力突破傳統(tǒng)數(shù)值模式預報中的性能瓶頸。

據(jù)介紹，“風烏”采用多模態(tài)神經(jīng)網(wǎng)絡和多任務自動均衡權重，解決多種大氣變量表征和相互影響的問題。它將位勢、濕度、緯向風速、經(jīng)向風速、溫度等大氣變量看作多模態(tài)信息，并從多任務的角度出發(fā)，自動學習每個大氣變量的重要性，使得多個大氣變量之間更好地協(xié)同優(yōu)化。為了優(yōu)化“風烏”的多步預測結果，團隊提出了“緩存回放”策略，以減少預測誤差，提高長期預測性能。從結果上看，“風烏”在6到10天的中期預報上，預報技巧顯著高于GraphCast。

未來，“風烏”AI氣象大模型可與傳統(tǒng)的物理模型形成互補，憑借其卓越的性能和精度，為生產(chǎn)生活提供更準確、更實用的天氣預報信息，助力天氣預報數(shù)字化，為農(nóng)林牧漁、航空航海等行業(yè)及公共安全保障提供有力支持。上海人工智能實驗室AI for Earth團隊還將把AI技術應用到氣象、環(huán)境、天文、地質等更多地球科學問題的研究中，助力“碳中和”、防災減災、能源安全等重大需求。

關鍵詞：